MétaCan
Menu
Retour à la cohorte
Enregistrement W2240402991

A Macro-level Approach to Examining Canada’s Primary Industry Towns in a Knowledge Economy

2007· article· en· W2240402991 sur OpenAlexaffvenueabout
Sean O’Hagan, Ben P. Cecil

Notice bibliographique

RevueJournal of rural and community development · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensUniversity of ReginaNipissing University
Organismes subventionnairesnon disponible
Mots-clésPrimary sector of the economyCensusMacro levelEconomyKnowledge economyEconomic base analysisMacroEconomic geographyGeographyEconomic growthBusinessTertiary sector of the economyEconomicsSociologyEconomic systemPopulationDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Using a macro-level approach the purpose of this paper is to examine the economic well-being of primary industry communities as well as ascertain if they are adequately preparing to compete in today’s knowledge economy. Large samples of census subdivisions (CSDs) were used to compare primary industry municipalities with diversified municipalities across Canada from 1986 to 2001. In addition, towns that maintained a high percentage of employment in primary industry were compared to ones that diversified their employment base. It was found that diverse municipalities endured a greater era of development and are better positioned for success in the future. Unexpected were results from 1986 to 1996 when diversifying primary industry towns did not incur substantial gains compared to concentrating primary industry communities. From 1996 to 2001 though, it became advantageous for communities to strive towards a diverse economic base. A contributing factor to this phenomenon is the fact that knowledge jobs played a minimal role in diversifying communities from 1991 to 1996. However, from 1996 to 2001 diversifying primary industry towns substantially increased the percentage of jobs related to the knowledge economy. Correlating to this shift in employment structure were positive changes to the socio-economic make up of these towns. Additionally the size and geography of single industry towns are revealed as significant factors for the viability of single industry towns. Utilisant une approche de niveau marco, l’objectif de cet article est d’etudier la sante economique des communautes de l’industrie primaire, et de determiner si elles sont adequatement preparees pour faire concurrence dans la nouvelle economie d’aujourd’hui. De grands echantillons de subdivisions recensees (CSDs) ont ete utilises, pour comparer les communautes de l’industrie primaire avec des municipalites a economie diversifiee a travers le Canada, de 1986 a 2001. De plus, les villes ayant maintenu un pourcentage d’emploi eleve dans l’industrie primaire ont ete comparees aux municipalites qui ont diversifie leur emploi pendant la meme periode. Il a ete demontre que les municipalites presentant une economie diversifiee vivent un developpement durable et sont mieux positionnees pour le succes dans le futur. L’imprevu etait le resultat de 1986 a 1996, lorsque les villes ayant diversifie leur industrie primaire n’ont pas obtenu de gains substantiels, en comparaison aux municipalites qui ont concentre leur economie dans le secteur primaire. Cependant, de 1996 a 2001, il devint avantageux pour les communautes de se diriger vers une economie diversifiee. Un des facteur contribuant a ce phenomene est le fait que les emplois hautement specialises jouaient un role mineur dans les communautes a economie diversifiee de 1986 a 1996. Toutefois, de 1996 a 2001, les villes a economie primaire s’etant tournees vers une economie diversifiee ont augmente, de maniere substantielle, le pourcentage d’emploi relie a l’economie du savoir. Correle a ce changement dans la structure de l’emploi, ces villes ont aussi presente une evolution socio-economique positive.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,072
Tête enseignante GPT0,227
Écart entre enseignants0,155 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetRegional Economics and Spatial AnalysisTravaux en français237 207